股票池數據EXCEL讀取python

Ⅰ 輕松上手FAM五因子模型（附python源碼）

探索投資領域的新維度，讓我們深入理解Fama-French五因子模型（FF5）的強大之處。自CAPM的提出，模型界一直在尋找更全面的解釋股票收益的方法。FF5模型超越了傳統的β，引入了市值（SMB）、賬面市值比（HML）、盈利（RMW）、和投資（CMA）四個關鍵因子，提供了一個更為精準的股票收益分析框架。

因子的構建巧妙地融合了市值規模（SMB）與公司估值（HML），以及企業的盈利能力和投資策略（RMW與CMA）。FF5模型的回歸目標在於，通過這些多元化的因子揭示收益率背後的驅動因素，同時承認誤差項可能包含無風險收益α和風險因子，以更全面地刻畫市場動態。

實戰過程中，五因子模型的應用需要細致入微的步驟。首先，確定每隻股票在不同組合中的權重，然後乘以預期收益，接著對所有股票的收益進行加權和，得出策略的收益率。選擇中證500作為基準，股票池則廣泛取自wind全A的股票，每年5月底進行一次策略調整，使用流通市值進行加權。

在回測階段，我們回溯至2017年1月3日至2020年12月3日，對因子進行檢驗，確保其與Fama-French因子有良好的相關性。通過導入必要的模塊和數據，如pandas、numpy等，對市值、賬面市值比、盈利能力等關鍵數據進行預處理，構建出一個剔除不可交易股票的高效股票池（ALLapool）。

具體操作上，我們定義了一個get_score函數，通過市值加權計算各組合的股票持倉，同時處理缺失值。接著，針對每個因子，我們依據百分位選取股票組合，如70%和30%，並計算每日收益變化因子。最後，將這些因子與中證500收益進行對比，驗證模型的有效性。

通過嚴謹的數據處理和可視化，FF5模型為我們揭示了股票收益的多元驅動，而不僅僅依賴於單個指標。這個模型的實踐性，不僅限於理論研究，它能幫助投資者在實際交易中制定更精細的策略。讓我們一起探索這個模型的魅力，提升投資決策的精確度。

【參考文獻】Fama & French, A Five Factor Asset Pricing Model, J. Financial Economics, 2015

欲了解更多詳情或深入學習，請關注QuantX量化團隊，我們期待您的反饋：[email protected]

Ⅱ 股票池如何用python構建

股票池用python構建的方法是：使用第三方平台，目前可以使用的是聚寬，對比一下聚寬、優礦、大寬網（已經倒閉了），都大同小異，選哪個都一樣。

雖然這些平台都大同小異，但是代碼可不能簡單復制粘貼，因為底層函數庫是不一樣的，有可能在別的平台根本用不了某個函數，並且簡單復制到自己電腦中的python的話百分之百用不了。

代碼的思路是，每個月底進行調倉，選出市值最小的股票交易，去掉ST/*ST/停牌/漲停的股票，然後選擇最小市值的10隻，基準是創業板綜指，看看結果。

python構建數據獲取方法是：旅衡

這里使用為了接下來的操作需要將一定歷史范圍的股票數據下載下來，這里下載起始時間為20160101，截至時間為運行代碼的時間范圍的歷史日線數據。

這里以tushare為例, tushare獲取歷史數據有兩種方式。

第一種是以迭代歷史交陪攔易日的方式獲取所有歷史數據，假設獲取三年的歷史數據，一拆亂做年一般220個交易日左右，那麼3年需要請求660多次左右，如果以這種方式的話，就下載數據的時間只需要1分鍾多點的樣子。

第二種是以迭代所有股票代碼的方式獲取所有歷史數據，股票數量有大概3800多個，需要請求3800多次，但是在積分有限的情況下一分鍾最多請求500次，也就意味著僅下載數據的時間至少需要大概8分鍾時間。

理論上，你獲取的歷史范圍超過17.3年，那麼使用第一種方式才比第二種方式快。

Ⅲ 如何用python實現Markowitz投資組合優化

0.導入需要的包import pandas as pd
import numpy as np
import statsmodels.api as sm #統計運算
import scipy.stats as scs #科學計算
import matplotlib.pyplot as plt #繪圖

1.選取幾只感興趣的股票
000413 東旭光電，000063 中興通訊，002007 華蘭生物，000001 平安銀行，000002 萬科A
並比較一下數據（2015-01-01至2015-12-31）
In[1]:
stock_set = ['000413.XSHE','000063.XSHE','002007.XSHE','000001.XSHE','000002.XSHE']
noa = len(stock_set)
df = get_price(stock_set, start_date = '2015-01-01', end_date ='2015-12-31', 'daily', ['close'])
data = df['close']
#規范化後時序數據
(data/data.ix[0]*100).plot(figsize = (8,5))
Out[1]:

2.計算不同證券的均值、協方差
每年252個交易日，用每日收益得到年化收益。計算投資資產的協方差是構建資產組合過程的核心部分。運用pandas內置方法生產協方差矩陣。
In [2]:
returns = np.log(data / data.shift(1))
returns.mean()*252
Out[2]:

000413.XSHE 0.184516
000063.XSHE 0.176790
002007.XSHE 0.309077
000001.XSHE -0.102059
000002.XSHE 0.547441

In [3]:
returns.cov()*252
Out[3]:

3.給不同資產隨機分配初始權重
由於A股不允許建立空頭頭寸，所有的權重系數均在0-1之間
In [4]:
weights = np.random.random(noa)
weights /= np.sum(weights)
weights
Out[4]:

array([ 0.37505798, 0.21652754, 0.31590981, 0.06087709, 0.03162758])

4.計算預期組合年化收益、組合方差和組合標准差
In [5]:
np.sum(returns.mean()*weights)*252
Out[5]:

0.21622558669017816

In [6]:
np.dot(weights.T, np.dot(returns.cov()*252,weights))
Out[6]:

0.23595133640121463

In [7]:
np.sqrt(np.dot(weights.T, np.dot(returns.cov()* 252,weights)))
Out[7]:

0.4857482232609962

5.用蒙特卡洛模擬產生大量隨機組合
進行到此，我們最想知道的是給定的一個股票池（證券組合）如何找到風險和收益平衡的位置。
下面通過一次蒙特卡洛模擬，產生大量隨機的權重向量，並記錄隨機組合的預期收益和方差。
In [8]:
port_returns = []
port_variance = []
for p in range(4000):
weights = np.random.random(noa)
weights /=np.sum(weights)
port_returns.append(np.sum(returns.mean()*252*weights))
port_variance.append(np.sqrt(np.dot(weights.T, np.dot(returns.cov()*252, weights))))
port_returns = np.array(port_returns)
port_variance = np.array(port_variance)
#無風險利率設定為4%
risk_free = 0.04
plt.figure(figsize = (8,4))
plt.scatter(port_variance, port_returns, c=(port_returns-risk_free)/port_variance, marker = 'o')
plt.grid(True)
plt.xlabel('excepted volatility')
plt.ylabel('expected return')
plt.colorbar(label = 'Sharpe ratio')
Out[8]:

6.投資組合優化1——sharpe最大
建立statistics函數來記錄重要的投資組合統計數據（收益，方差和夏普比）
通過對約束最優問題的求解，得到最優解。其中約束是權重總和為1。
In [9]:
def statistics(weights):
weights = np.array(weights)
port_returns = np.sum(returns.mean()*weights)*252
port_variance = np.sqrt(np.dot(weights.T, np.dot(returns.cov()*252,weights)))
return np.array([port_returns, port_variance, port_returns/port_variance])
#最優化投資組合的推導是一個約束最優化問題
import scipy.optimize as sco
#最小化夏普指數的負值
def min_sharpe(weights):
return -statistics(weights)[2]
#約束是所有參數(權重)的總和為1。這可以用minimize函數的約定表達如下
cons = ({'type':'eq', 'fun':lambda x: np.sum(x)-1})
#我們還將參數值(權重)限制在0和1之間。這些值以多個元組組成的一個元組形式提供給最小化函數
bnds = tuple((0,1) for x in range(noa))
#優化函數調用中忽略的唯一輸入是起始參數列表(對權重的初始猜測)。我們簡單的使用平均分布。
opts = sco.minimize(min_sharpe, noa*[1./noa,], method = 'SLSQP', bounds = bnds, constraints = cons)
opts
Out[9]:
status: 0
success: True
njev: 4
nfev: 28
fun: -1.1623048291871221
x: array([ -3.60840218e-16, 2.24626781e-16, 1.63619563e-01, -2.27085639e-16, 8.36380437e-01])
message: 'Optimization terminated successfully.'
jac: array([ 1.81575805e-01, 5.40387481e-01, 8.18073750e-05, 1.03137662e+00, -1.60038471e-05, 0.00000000e+00])
nit: 4

得到的最優組合權重向量為：
In [10]:
opts['x'].round(3)
Out[10]:
array([-0. , 0. , 0.164, -0. , 0.836])

sharpe最大的組合3個統計數據分別為：
In [11]:
#預期收益率、預期波動率、最優夏普指數
statistics(opts['x']).round(3)
Out[11]:

array([ 0.508, 0.437, 1.162])

7.投資組合優化2——方差最小
接下來，我們通過方差最小來選出最優投資組合。
In [12]:
#但是我們定義一個函數對 方差進行最小化
def min_variance(weights):
return statistics(weights)[1]
optv = sco.minimize(min_variance, noa*[1./noa,],method = 'SLSQP', bounds = bnds, constraints = cons)
optv
Out[12]:
status: 0
success: True
njev: 7
nfev: 50
fun: 0.38542969450547221
x: array([ 1.14787640e-01, 3.28089742e-17, 2.09584008e-01, 3.53487044e-01, 3.22141307e-01])
message: 'Optimization terminated successfully.'
jac: array([ 0.3851725 , 0.43591119, 0.3861807 , 0.3849672 , 0.38553924, 0. ])
nit: 7

方差最小的最優組合權重向量及組合的統計數據分別為：
In [13]:
optv['x'].round(3)
Out[13]:
array([ 0.115, 0. , 0.21 , 0.353, 0.322])

In [14]:
#得到的預期收益率、波動率和夏普指數
statistics(optv['x']).round(3)
Out[14]:
array([ 0.226, 0.385, 0.587])

8.組合的有效前沿
有效前沿有既定的目標收益率下方差最小的投資組合構成。
在最優化時採用兩個約束，1.給定目標收益率，2.投資組合權重和為1。
In [15]:
def min_variance(weights):
return statistics(weights)[1]
#在不同目標收益率水平（target_returns）循環時，最小化的一個約束條件會變化。
target_returns = np.linspace(0.0,0.5,50)
target_variance = []
for tar in target_returns:
cons = ({'type':'eq','fun':lambda x:statistics(x)[0]-tar},{'type':'eq','fun':lambda x:np.sum(x)-1})
res = sco.minimize(min_variance, noa*[1./noa,],method = 'SLSQP', bounds = bnds, constraints = cons)
target_variance.append(res['fun'])
target_variance = np.array(target_variance)

下面是最優化結果的展示。
叉號：構成的曲線是有效前沿（目標收益率下最優的投資組合）
紅星：sharpe最大的投資組合
黃星：方差最小的投資組合
In [16]:
plt.figure(figsize = (8,4))
#圓圈：蒙特卡洛隨機產生的組合分布
plt.scatter(port_variance, port_returns, c = port_returns/port_variance,marker = 'o')
#叉號：有效前沿
plt.scatter(target_variance,target_returns, c = target_returns/target_variance, marker = 'x')
#紅星：標記最高sharpe組合
plt.plot(statistics(opts['x'])[1], statistics(opts['x'])[0], 'r*', markersize = 15.0)
#黃星：標記最小方差組合
plt.plot(statistics(optv['x'])[1], statistics(optv['x'])[0], 'y*', markersize = 15.0)
plt.grid(True)
plt.xlabel('expected volatility')
plt.ylabel('expected return')
plt.colorbar(label = 'Sharpe ratio')

Ⅳ 電腦的行情分析工具有哪些電腦下載哪種股票軟體比較好用

Ⅰ 股票分析軟體哪個最好

摘要您好，同花順這個APP是最好，這個APP對股票分析軟體還有實時數據都掌握的很好。同花順股票行情分析軟體是一款功能非常強大的免費網上股票證券交易分析軟體，投資者炒股的必備工具。同花順股票軟體是一個提供行情顯示、行情分析和行情交易的炒股軟體，它分為免費 PC 產品、付費 PC 產品、電腦平板產品、手機產品等適用性強的多個版本。同花順股票軟體注重各大證券機構、廣大股民的需求和使用習慣，同花順股票軟體全新版免注冊。

Ⅱ 電腦上有哪些好用的炒股軟體

電腦上好用的炒股軟體有同花順。

同花順股票軟體是一個提供行情顯示、行情分析和行情交易的股票軟體，它分為免費PC產品，付費PC產品，電腦平板產品，手機產品等適用性強的多個版本。同花順股票軟體注重各大證券機構、廣大股民的需求和使用習慣，同花順股票軟體全新版免費免注冊。

功能：

「同花順」是一個強大的資訊平台，能為投資者提供文本、超文本(HTML)、信息地雷、財務圖示、緊急公告、滾動信息等多種形式的資訊信息，能同時提供多種不同的資訊產品，能與券商網站緊密銜接，向用戶提供券商網站的各種資訊。

而且個股資料、交易所新聞等資訊都經過預處理，讓您輕松瀏覽、快速查找。豐富的資訊信息與股票的行情走勢密切地結合，使用戶能方便、及時、全面地享受到券商全方位的資訊服務。

以上內容參考網路—同花順

Ⅲ 電腦下載哪種股票軟體比較好用

您可以選擇平安證券，平安證券股份有限公司是中國平安綜合金融服務集團旗下的重要成員，前身為1991年8月創立的平安保險證券業務部，憑借平安集團雄厚的資金、品牌和客戶優勢，秉承"穩中思變，務實創新"的經營理念，公司建立了非常完善的合規和風險控制體系，各項業務均保持著強勁的增長態勢，歷經十九年穩健經營，公司已成長為國內主流券商之一。

溫馨提示：入市有風險，投資需謹慎。
應答時間：2021-03-23，最新業務變化請以平安銀行官網公布為准。
[平安銀行我知道]想要知道更多？快來看「平安銀行我知道」吧~
https://b.pingan.com.cn/paim/iknow/index.html

Ⅳ 常用的數據分析工具有哪些

一、Excel

Excel可以說是被用得最多數據分析工具，無人不知，無人不曉。Excel的功能非常強大，從簡單的表格製作，數據透視表，寫公式，再到VBA語言，還有無數的插件供你使用。無論是初入職場的小白，還是經驗豐富的數據分析師，Excel都是電腦里的必備工具之一。

二、BI工具

BI(Business Intelligence)即商業智能，BI工具是為了數據分析而生的，它誕生的起點就非常高，目標是把從業務數據到經營決策的時間縮短，利用數據來影響決策。常用的BI工具有Power BI、Tableau和億信ABI，下面我們以億信ABI為例，談談BI工具做數據分析有哪些優勢。

三、數據分析編程語言

主流的數據分析編程語言是R和Python。與上面提到的Excel和BI工具相比，R/Python的使用門檻比較高，如果沒有專業的IT知識，很難上手。但數據分析編程語言有它獨特的優勢。

關於常用的數據分析工具有哪些，青藤小編就和您分享到這里了。如果你對大數據工程有濃厚的興趣，希望這篇文章能夠對你有所幫助。如果您還想了解更多數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

Ⅳ 常用股市分析軟體有哪些

金陀螺（優點：有超贏股票池和買賣點，信號多，准確率高，缺點：軟體使用教程不完善）同花順（優點：軟體穩定，速度較快，可以看港股，缺點：同大智慧）通達信（優點：軟體穩定，速度較快，使用最多的交易軟體，缺點：缺少分析的數據）大智慧（優點：功能最全的軟體，缺點：需要有一定炒股經驗，至少2年以上）錢龍（優點：軟體穩定，使用廣泛，缺點：指標傳統，易用性差）操盤手（優點：功能很多，培訓好，缺點：實用性差，准確率低）指南針（優點：做的時間較長，功能完善，缺點：選股抗風險能力太差）分析家（優點：指標做的很好，缺點：現在已被大智慧收購）。國內常用各大炒股行情軟體有：如大智慧、同花順、錢龍、指南針、通達信、東方財付通等等。行情軟體與交易軟體有所不同，有些是獨立的行情軟體，有些是行情加交易相互結合的軟體。目前國內券商基本上都將行情與交易軟體結合在一起了。如果要做交易，最好選擇開戶的證券公司提供的交易軟體。

Ⅵ 股票行情軟體有哪些推薦哪個呢

股票行情軟體有哪些？推薦哪個呢？
四、大勢情況：如果大盤當天急跌，破位的就更不好，有漲停也不要追
在一般情況下，大盤破位下跌對主力和追漲盤的心理影響同樣巨大，主力拉高的決心相應減弱，跟風盤也停止追漲，主力在沒有接盤的情況下，經常出現第二天無奈立刻出貨的現象，因此在大盤破位急跌時最好不要追漲停。
而在大盤處於波段上漲時，漲停的機會比較多，總體機會多，追漲停可以膽大一點;在大盤波段弱勢時，要特別小心，盡量以ST股為主，因為ST股和大盤反走的可能大些，另外5%的漲幅也不至於造成太大的拋壓。如果大盤在盤整時，趨勢不明，這時候主要以個股形態、漲停時間早晚、分時圖表現為依據。
五、第一個漲停比較好，連續第二個漲停就不要追了

理由就是由於短期內獲利盤太大，拋壓可能出現。當然這不是一定的，在牛市裡的龍頭股或者特大利好消息股可以例外。

Ⅶ 有哪些好用的股票軟體推薦

一、同花順，是一款功能非常強大的免費網上股票證券交易分析軟體，投資者炒股的必備工具。

同花順股票軟體是一個提供行情顯示、行情分析和行情交易的股票軟體，它分為免費PC產品，付費PC產品，電腦平板產品，手機產品等適用性強的多個版本。同花順股票軟體注重各大證券機構、廣大股民的需求和使用習慣，同花順股票軟體全新版免注冊。全新版同花順股票軟體新增強大功能:自主研發的搜牛財經及自定義選股，新增通達信模式。

二、通達信，軟體是多功能的證券信息平台，與其他行情軟體相比，有簡潔的界面和行情更新速度較快等優點。通達信允許用戶自由劃分屏幕，並規定每一塊對應哪個內容。至於快捷鍵，也是通達信的特色之一。通達信還有一個有用的功能，就是"在線人氣"，可以了解哪些是當前關注，哪些是持續關注，又有哪些是當前冷門，可以更直接了解各個股票的關注度。

深圳市財富趨勢科技有限責任公司是一家資深的證券業高科技企業，致力於證券分析系統和計算機通訊系統的研究開發，自1995年成立以來，經過蓬勃發展，已經成為該行業的典範。其開發的行情源被同行業多企業採用，是市場上非常主流的擁有自主開發證券類軟體能力的企業。深圳市財富趨勢科技有限責任公司在證券行業的著名品牌是"通達信"。

三、大智慧，證券信息平台是前身為上海大智慧網路技術有限公司，該公司成立於2000年12月，2009年12月整體變更為股份有限公司，公司的注冊資本為139000萬元。自成立以來，公司致力於以軟體終端為載體，以互聯網為平台，向投資者提供及時、專業的金融數據和數據分析。

公司於2011年1月28日在上海證券交易所掛牌上市，股票代碼601519。大智慧365、 大智慧策略投資終端、大智慧手機版也是投資者耳熟能詳的產品。大智慧旗下軟體產品是眾多中國投資者正在使用的，大智慧是中國優質金融信息提供商之一。 作為中國領先的互聯網金融信息服務提供商，公司憑借強大的技術研發實力、敏銳的市場洞察力和豐富的信息加工經驗，始終前瞻性地把握行業發展方向，不斷開發出滿足投資者需求的創新產品，在行業內具有重要影響力。

Ⅷ 股票行情軟體好用的是哪些

近幾年玩兒股票，也了解了不少股票軟體，從最開始的券商APP，慢慢的變成了專門搞投資的，有一些相關部門也會給我一些建議，又到現在我都還在用的，在此階段內我上了很多次當，發現了九種使用的神器，不管你是一直玩股票的還是從來沒有碰過股票的，比較符合自己的。

在還沒有分享的時候，這里有一些福利要給到大家，各行業的的龍頭股情況我都熬夜整理出來了，在選擇以及投資方面都對大家有利，輕點下方鏈接即可：吐血整理A股超全各行業龍頭股一覽表，建議收藏！

一、九大超好用的炒股神器

1、中財網數據引擎

中財網數據引擎有一點是占據上風的，就是它是無償的，一分錢都用不著出！

而且它要是用於搜索金融數據的話可以說是無所不能，它的資料庫中囊括了宏觀經濟、基金股票、期貨、黃金、外匯、債券等的數據。

假如其他的網站/APP沒有你想找的數據，不妨用它來試下。

2、慧博

專業的投資者推薦選擇慧博，就看研報方便程度來說，這個平台還是非常不錯的，慧博全放位的涵蓋了像是國家的宏觀經濟策略、各行業研報、個股研報、債券研究、晨會紀要等等各個方面的內容。

甚至可以根據自己的意願去選擇不同券商、不同分析師和行業的研報，一旦用過一次，就知道有多方便了！

還有9個炒股神器對大家非常的有用，因為這里篇幅有限，在這里就不展開說了，我把這9個炒股神器進行了整合，點擊下面這個鏈接就可以帶你具體進行了解：炒股的九大神器免費領取（附分享碼）

二、股票書籍推薦前十名

一般情況下，要想能夠實現收益長期且穩定，首先必須具備的就是一個趁手的股票分析工具，也離不開合理的投資觀念，特別是對於沒有太多經驗的人來說，想獲得不錯的收益，是要以找到正確的方向為基礎的。

這幾年不說閱書無數，但百餘本還是有的，我還找出覺得最值得一看的10本書籍推薦給大家，不管你是股票老手還是股市菜鳥，一定都不會白看的，都在下面了，如果對此感興趣快來點擊鏈接閱讀吧~股票入門必看書籍（在線閱讀）

Ⅸ 股票用哪個APP軟體查看行情比較好，詳細呢

一、同花順。（華為P40HarmonyOs2.0.0.168，同花順版本 v10.38.04）同花順是一款功能非常強大的免費網上股票證券交易分析軟體，投資者炒股的必備工具。同花順股票軟體是一個提供行情顯示、行情分析和行情交易的股票軟體，它分為免費PC產品，付費PC產品，電腦平板產品，手機產品等適用性強的多個版本。
操作環境：同花順APP 版本10.38.04
二、東方財富。現在主流金融數據終端有三家：wind數據、同花順ifind數據、東方財富choice數據，其中choice數據的優勢是性價比高、親民的面向散戶投資者。基本面選股功能也做的很好，有很多分類，但都是收費產品。
東方財富提供快速的全球市場、安全的全球交易、權威的信息內容和互動交流平台，是投資者的首選。東方財富網是中國財經第一門戶網站，用戶超1億，上海、深圳、香港、美國實時高速入市，7*24小時財經直播，包括上海證券交易所3個獎項，5星好評。被評為精品應用，在國內有一個熱門的股票主題社區——古巴。
操作環境：東方財富APP 9.6
三、大智慧(最多下載)
大智慧手機版自推出以來就受到了廣大投資者的喜愛。功能豐富，覆蓋面廣，與專業機構和企業合作，提供權威信息和數據。便捷的溝通平台，匯聚投資者，方便溝通。
操作環境：大智慧9.41
四、雪球股票，精選股市熱點信息，提供滬深港美股實時高速報價。數千萬股票和基金的個人投資者，上市公司的管理層，以及券商、基金、保險、私募機構的員工在這里實戰交流。
操作環境：雪球APP 12.44.1
五、融360
融360app是360作為投資朋友創建的手機股票交易軟體。它掌握著眾多券商，提供快速準的行情和信息，很多券商注重在線實時股票問答和老師指導。
操作環境：融360 版本4.1.2
六、騰訊自選股
自選股票app是騰訊出品的一款簡單易用的手機股票交易軟體，覆蓋滬深、港股、美股三大市場，適合所有股票投資者。
操作環境：騰訊自選股APP 版本9.4.0
七、牛王股票
股王炒股app讓你跟隨牛人，購買牛股，智能預警，免費手機看行情，用牛王買牛股，2.5元低傭金開戶，輕松賺錢。
操作環境：牛網股票 版本11.6.0
八、指南針
指南針股票交易軟體手機版是一款好用的專業股票交易APP。指南針股票交易軟體免費版可以隨時看行情，聽課程，看內部參考資料，找客服，指南針股票交易軟體手機版你的攜帶型股票交易專家。
操作環境：指南針股票APP 版本7，1，37